AI API 첫 걸음 — OpenAI API로 첫 번째 요청 보내기

AI API 첫 걸음 — OpenAI API로 첫 번째 요청 보내기

AI 웹 개발 입문 시리즈 (1/7)

최근 ChatGPT 같은 서비스 덕분에 인공지능이 우리 곁에 훌쩍 다가왔습니다. 아마 많은 개발자분들이 웹사이트에서 대화를 나누며 코드를 짜거나 문서를 정리하는 경험을 해보셨을 겁니다. 그런데 "이걸 내가 만드는 서비스에 넣으려면 어떻게 해야 하지?"라는 궁금증이 생기는 지점부터가 진짜 시작입니다.

웹사이트에서 ChatGPT를 쓰는 것과 API를 사용하는 것의 차이는 레스토랑에서 음식을 주문하는 것과 재료를 사서 직접 요리하는 것의 차이와 비슷합니다. 레스토랑(웹사이트)은 정해진 메뉴판과 공간에서 편하게 음식을 즐길 수 있지만, 내가 원하는 대로 간을 맞추거나 다른 요리와 조합하기는 어렵습니다. 반면 API라는 재료를 손에 넣으면, 내 서비스의 디자인에 맞게 UI를 입히고, 기존 데이터베이스와 연동하며, 세상에 없던 새로운 'AI 요리'를 만들어낼 수 있습니다.

이 글은 AI 웹 개발 입문 시리즈의 첫 번째 글로, AI API의 개념을 잡고 OpenAI API를 통해 생애 첫 번째 요청을 보내는 과정을 다룹니다. 복잡한 이론보다는 "일단 화면에 결과를 띄워보는 것"에 집중해 보겠습니다.

---

AI API가 뭔가요?

API(Application Programming Interface)는 서로 다른 프로그램이 대화하기 위한 약속입니다. 그렇다면 AI API는 무엇일까요? 쉽게 말해 "똑똑한 두뇌를 빌려 쓰는 통로"라고 이해하면 쉽습니다.

우리는 LLM(Large Language Model, 거대 언어 모델)이라는 거대한 지능 시스템을 직접 구축하거나 내 컴퓨터에 설치하기 어렵습니다. 너무 크고 무겁기 때문입니다. 대신 OpenAI 같은 회사들이 이 거대한 두뇌를 자기네 서버에 띄워두고, 우리가 필요할 때마다 인터넷을 통해 질문을 던지고 답을 받을 수 있게 문을 열어두었습니다. 그 문이 바로 AI API입니다.

여러분이 Python 코드로 "안녕?"이라고 API에 보내면, OpenAI의 서버에 있는 거대한 두뇌가 이를 해석해서 "반가워요!"라는 응답을 돌려줍니다. 우리는 그저 이 통로를 통해 데이터를 주고받기만 하면 됩니다.

AI API 호출의 기본 흐름

---

주요 AI API 제공자 소개

현재 시장에는 여러 '두뇌 빌려주는 회사'들이 있습니다. 각자 특징이 조금씩 다르니 가볍게 살펴보고 넘어가겠습니다.

• OpenAI: 현재 가장 유명한 GPT 모델을 제공합니다. 생태계가 가장 넓고 문서화가 잘 되어 있어 입문에 최적입니다.
• Anthropic: 'Claude'라는 모델을 만듭니다. 글쓰기가 자연스럽고 안전성을 강조하는 것이 특징입니다.
• Google: 'Gemini' 모델을 제공하며, 구글 클라우드 인프라와의 연동이 강력하고 긴 문맥을 이해하는 능력이 좋습니다.

이 시리즈에서는 가장 표준적으로 쓰이는 OpenAI API를 기준으로 실습을 진행하겠습니다.

---

OpenAI API 시작하기

API를 호출하려면 먼저 '출입증'이 필요합니다. 이를 API Key라고 부릅니다.

1. 계정 생성: OpenAI Platform에 접속해 가입합니다.
2. API Key 발급: 왼쪽 메뉴의 API Keys 탭에서 Create new secret key를 눌러 키를 생성합니다.
   • 주의: 이 키는 한 번만 보여주니 따로 안전하게 저장해 두세요. 절대 GitHub 같은 공용 공간에 올리면 안 됩니다.
3. 결제 수단 등록: API는 쓴 만큼 돈을 내는 구조입니다. Settings > Billing에서 소액(예: 5달러)을 먼저 충전해 두어야 정상적으로 동작합니다.

환경 설정은 Python이 설치되어 있다는 가정하에 다음 명령어로 라이브러리를 설치하는 것으로 충분합니다.

pip install openai

---

첫 번째 API 호출

이제 실제로 Python 코드를 작성해 GPT에게 말을 걸어보겠습니다. 복잡한 설정 없이 딱 필요한 코드만 적어보겠습니다.

import openai

# 발급받은 API 키를 넣습니다.
client = openai.OpenAI(api_key="YOUR_API_KEY_HERE")

# GPT에게 요청 보내기
response = client.chat.completions.create(
    model="gpt-3.5-turbo",
    messages=[
        {"role": "user", "content": "AI API 개발을 시작하는 개발자에게 응원의 한마디 해줘!"}
    ]
)

# 결과 출력
print(response.choices[0].message.content)

위 코드를 실행하면 GPT가 생성한 따끈따끈한 응답이 터미널에 출력됩니다. 여기서 model은 어떤 두뇌를 쓸지 정하는 것이고, messages는 우리가 건네는 대화 내용입니다. 역할(role)과 내용(content)을 구분해서 넣는 형식을 눈여겨보세요.

---

API 응답 구조 이해하기

API가 돌려주는 응답은 JSON이라는 구조화된 데이터 형식입니다. 라이브러리가 객체로 변환해주긴 하지만, 내부가 어떻게 생겼는지 한 번 뜯어보는 것이 중요합니다.

{
  "id": "chatcmpl-123...",
  "object": "chat.completion",
  "created": 1677652288,
  "model": "gpt-3.5-turbo-0125",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "새로운 도전을 응원합니다! API를 통해 무궁무진한 가능성을 만나보세요."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 25,
    "completion_tokens": 12,
    "total_tokens": 37
  }
}

• choices: GPT가 생성한 답변들이 들어있습니다. 보통은 하나만 요청하므로 첫 번째 항목([0])을 꺼내 씁니다.
• message: 그 안에 실제 답변 내용(content)과 답변하는 주체의 역할(role)이 들어있습니다.
• usage: 이번 요청에서 토큰을 얼마나 썼는지 보여줍니다. 이게 곧 비용입니다.

• 

  API 응답 JSON 핵심 필드

---

비용은 얼마나 드나요?

API를 쓸 때 가장 걱정되는 게 비용일 겁니다. OpenAI API는 글자 수와 비슷한 개념인 토큰(Token) 단위로 과금합니다.

영어 기준으로 1,000토큰은 약 750단어 정도입니다. 우리가 방금 보낸 짧은 질문과 답변은 대략 50~100토큰 내외입니다. gpt-3.5-turbo 모델을 기준으로 1,000토큰당 비용은 1원도 안 되는 수준(약 0.7원)입니다.

연습 삼아 수백 번 호출해도 커피 한 잔 값도 나오지 않으니 너무 걱정하지 마세요. 다만, 나중에 배울 '긴 문맥 유지'나 '비싼 모델(GPT-4)'을 쓸 때는 토큰 관리가 중요해집니다. 지금은 "내가 쓴 만큼만 낸다"는 감각만 익히면 충분합니다.

토큰과 비용의 관계

---

실습: 10줄 코드로 한→영 번역기 만들기

배운 내용을 응용해서 실용적인 도구를 하나 만들어보겠습니다. GPT에게 "너는 번역가야"라고 역할을 부여하면 아주 훌륭한 번역기가 됩니다.

import openai

client = openai.OpenAI(api_key="YOUR_API_KEY_HERE")

def translate_ko_to_en(text):
    response = client.chat.completions.create(
        model="gpt-3.5-turbo",
        messages=[
            {"role": "system", "content": "너는 한국어를 영어로 아주 자연스럽게 번역해주는 전문 번역가야."},
            {"role": "user", "content": f"다음 문장을 번역해줘: '{text}'"}
        ]
    )
    return response.choices[0].message.content

# 테스트
print(translate_ko_to_en("오늘 날씨가 정말 좋네요. 산책 가고 싶어요!"))

여기서 핵심은 system role입니다. GPT에게 페르소나를 입혀서 대답의 톤과 매너를 결정할 수 있게 해줍니다. 단순한 질문보다 훨씬 전문적인 답변을 유도할 수 있는 아주 강력한 도구입니다.

번역기의 프롬프트 구성

---

정리: 이제 여러분도 AI 개발자입니다

첫 번째 요청을 성공적으로 보내셨나요? 축하드립니다! 이제 여러분은 남이 만들어둔 웹사이트를 쓰는 사용자를 넘어, AI를 내 코드 속에 녹여내는 개발자가 되었습니다.

오늘 살펴본 내용을 정리하면 이렇습니다.

• AI API는 거대한 지능 모델을 내 서비스와 연결해주는 통로입니다.
• API Key는 보안이 가장 중요하며, 절대 노출되지 않도록 관리해야 합니다.
• JSON 응답 구조를 이해하면 원하는 데이터만 쏙쏙 골라 쓸 수 있습니다.
• 토큰 기반 과금 체계를 알면 효율적으로 비용을 관리할 수 있습니다.

다음 글에서는 AI API 활용의 핵심인 Prompt Engineering: GPT가 원하는 답을 내놓게 하는 기술을 다뤄보겠습니다. 똑같은 모델을 써도 어떻게 질문하느냐에 따라 결과는 천차만별이거든요. 그 노하우를 하나씩 공유해 드릴게요.

---

시리즈 목차

1. [현재 글] AI API 첫 걸음 — OpenAI API로 첫 번째 요청 보내기
2. Prompt Engineering: GPT가 원하는 답을 내놓게 하는 기술
3. Context & Memory: 이전 대화를 기억하는 챗봇 만들기
4. RAG 입문: 내 데이터를 공부한 AI 검색 서비스 구축
5. Function Calling: AI가 직접 내 코드를 실행하게 만들기
6. 가성비 극대화: 모델 비교와 토큰 최적화 전략
7. 실전 프로젝트: 나만의 AI 비서 웹 서비스 배포하기

---

참고 자료

• OpenAI API Reference
• Microsoft Learn: Introduction to Azure OpenAI Service
• Python OpenAI Library GitHub

---